Cross-modal Análisis Multivariante Patrón

El objetivo del siguiente experimento es utilizar el análisis de patrones multivariados de datos funcionales de resonancia magnética para investigar el procesamiento multimodal en el cerebro humano. Esto se logra creando primero un tipo específico de estímulos sensoriales, que se presentan a los sujetos a través de una sola modalidad sensorial. Por ejemplo, lo visual, pero implica fuertes asociaciones en una modalidad diferente.

Por ejemplo, el auditivo mientras los sujetos perciben tales estímulos actividad neuronal en las partes del cerebro pertenecientes a la modalidad de la asociación. Las cortezas auditivas de este ejemplo se registran mediante RMF. La actividad registrada se analiza mediante análisis de patrones multivariados con el objetivo de predecir cuál de los varios estímulos percibió el sujeto en la modalidad original.

Los resultados muestran que los estímulos unimodales que contienen información pertinente a más de una modalidad pueden inducir actividad neuronal específica del contenido en las cortezas sensoriales tempranas de modalidades distintas a aquella a través de la cual se presentan. La técnica que presentamos hoy, a la que nos referimos como análisis de patrones multivariados multimodal, representa una extensión natural del análisis de patrones multivariados convencional con la diferencia de que los STEMI sensoriales se clasifican en lugar de dentro de las modalidades sensoriales. La primera vez que tuvimos la idea de este método fue cuando intentamos producir evidencia empírica para un marco neuroarquitectónico introducido por Demio hace más de dos décadas.

En este vídeo, te presentaremos no sólo los aspectos técnicos del análisis de patrones multivariante o MVPA para abreviar, sino también este marco teórico. En primer lugar, señalaremos algunas diferencias clave entre el MVPA y el análisis de RMF univariante convencional. Tenga en cuenta lo siguiente.

Por ejemplo, si a un sujeto se le presentan dos estímulos visuales diferentes como una manzana y una naranja, entonces ambos estímulos promediados a través de una serie de ensayos inducen un patrón específico de actividad neuronal. En la corteza visual primaria simbolizada aquí por los niveles de activación de seis vóxeles hipotéticos. En el análisis convencional de RMF, hay esencialmente dos métodos para analizar estos patrones.

La primera consiste en comparar el nivel medio de actividad de los estímulos inducidos en toda la región de interés. La diferencia entre los promedios, sin embargo, puede no ser significativa. El segundo método consiste en establecer un contraste de resta para cada vóxel.

El nivel de activación durante la condición de manzana se resta del nivel de activación durante la condición naranja, y la diferencia resultante para cada vóxel se puede visualizar en una imagen de contraste de todo el cerebro. Una vez más, sin embargo, estas diferencias pueden ser pequeñas y pueden alcanzar el criterio estadístico requerido solo para unos pocos vóxeles. Sin embargo, a diferencia de los métodos de análisis univariante, MVPA es capaz de detectar patrones dentro de los vóxeles considerando los niveles de activación de todos los vóxeles simultáneamente.

Si bien solo algunas de las diferencias de activación pueden ser significativas de forma aislada, los dos patrones, cuando se consideran en su totalidad, pueden ser estadísticamente diferentes. Otra diferencia importante entre el análisis FMRI convencional y el MVPA es que este último método utiliza lo que se denomina inferencia inversa. En el análisis convencional de RMF, el investigador suele hacer una pregunta del tipo de dos estímulos visuales diferentes.

Por ejemplo, la imagen de una cara y la imagen de una casa conducen a diferentes niveles de actividad en una región específica de interés, como el área fusiforme de la cara. Por el contrario, el MVPA se expresa típicamente en términos de inferencia inversa o decodificación, y pregunta, basándose en el patrón de actividad neuronal en una región específica del cerebro, si seremos capaces de predecir cuál de los dos estímulos visuales percibe un sujeto. Es importante notar, sin embargo, que desde un punto de vista estadístico, es equivalente a decir que dos estímulos conducen a patrones de actividad distintos en una región cerebral dada y decir que el patrón de actividad en esa región del cerebro permite la predicción del estímulo inductor.

En otras palabras, la sensibilidad del MVPA es superior a la de los análisis univariados porque considera varios vóxeles simultáneamente y no porque proceda en sentido inverso. Para volver al ejemplo anterior, consideremos un paradigma MVPA típico que evalúa si ver una manzana induce un patrón diferente de actividad neuronal en la corteza visual primaria que ver una naranja. En un primer paso, se registran los datos de RMF mientras el sujeto ve un gran número de estímulos a discriminar.

A continuación, los datos adquiridos se dividen en un conjunto de datos de entrenamiento y un conjunto de datos de prueba. Los datos del conjunto de entrenamiento se introducen en un clasificador de patrones, que intenta detectar características en los patrones neuronales que distinguen los dos tipos de ensayos entre sí. A continuación, se presentan al clasificador datos sin etiquetar del conjunto de pruebas y, en función de los patrones que detectó en el conjunto de datos de entrenamiento, atribuye la etiqueta más probable a cada una de las pruebas de prueba para cada estímulo.

A continuación, la conjetura del clasificador se compara con la etiqueta de estímulo correcta y el rendimiento del clasificador se calcula como el porcentaje de aciertos. Como hemos visto, el clasificador del ejemplo reduce las etiquetas de estímulo correctas en nueve de cada 12 casos, es decir, un 75% como rendimiento probatorio. En tal dos vías la discriminación sería del 50%Esto sugiere que efectivamente hay diferencias consistentes entre los patrones neuronales inducidos en V uno por los estímulos de la naranja y la manzana.

Por supuesto, la importancia de este resultado tendría que ser probada estadísticamente. Una cuestión importante a tener en cuenta en un experimento de clasificación de este tipo es que los conjuntos de datos de entrenamiento y de prueba sean completamente independientes entre sí, porque solo si ese es el caso se pueden sacar conclusiones sobre la generalización de los patrones que se han aprendido durante la sesión de entrenamiento. Por esta razón, los paradigmas MVPA a menudo utilizan el llamado paradigma de validación cruzada.

Si bien este procedimiento sirve para maximizar el número de ensayos de entrenamiento y prueba que se pueden obtener de un conjunto de datos dado, también asegura al mismo tiempo que los conjuntos de entrenamiento y prueba no se superpongan durante los pasos de clasificación individuales. Considere el siguiente experimento de MVPA con ocho ejecuciones funcionales. En un primer paso de validación cruzada, el clasificador se entrena con los datos de las ejecuciones uno a siete y se prueba con los datos de la ejecución ocho.

En el segundo paso, el clasificador se entrena en las carreras uno a seis, así como en la ejecución ocho, y posteriormente se prueba en la ejecución siete. Siguiendo este esquema, se llevan a cabo ocho pasos de validación cruzada y cada ejecución sirve exactamente como ejecución de prueba. Una vez que se obtiene el rendimiento del clasificador para cada paso de validación cruzada y se promedian estos resultados, se obtiene un rendimiento general.

Existen paquetes de software disponibles gratuitamente en Internet para realizar MVPA, como pi MVPA y la caja de herramientas ofrecida por el Instituto de Neurociencia de Princeton. Paradigmas experimentales como el que acabamos de describir, se han utilizado con éxito para predecir estímulos perceptivos a partir de la actividad neuronal en las partes correspondientes de la corteza cerebral, por ejemplo, para predecir estímulos visuales basados en la actividad en las cortezas visuales o estímulos auditivos. Sobre la base de la actividad de las cortezas auditivas, nos gustaría presentar ahora una extensión de esta idea básica en la que los estímulos perceptivos se predicen no sólo dentro de las modalidades, sino también a través de ellas.

Nuestra idea se basa en el hecho de que la percepción está íntimamente ligada al recuerdo de los recuerdos. Por ejemplo, un estímulo visual que tiene una fuerte implicación auditiva, como el sitio de una base de vidrio que se rompe en el suelo. Va a desencadenar automáticamente en el oído de nuestra mente una imagen auditiva que comparte similitudes con las imágenes auditivas que experimentamos en encuentros anteriores con la rotura de cristales.

De acuerdo con un marco introducido por Theo a finales de la década de 1980, la asociación de memoria entre el sitio de la base de ruptura y el sonido correspondiente se almacena en las llamadas zonas de convergencia y divergencia o CD para convergencia corta. Las zonas de divergencia se conceptualizan como conjuntos de neuronas que se localizan en los distintos niveles jerárquicos de los sistemas sensoriales. Como su nombre lo indica.

Los CD de cada nivel reciben proyecciones convergentes de abajo hacia arriba de las cortezas de orden inferior y giran. Enviaron proyecciones divergentes de arriba hacia abajo a esas mismas cortezas de orden inferior debido a las proyecciones convergentes de abajo hacia arriba. Los CD pueden ser activados por representaciones perceptivas en múltiples modalidades, por ejemplo, tanto por el sitio como por el sonido de una base que se rompe debido a las proyecciones divergentes de arriba hacia abajo.

A continuación, pueden promover la reconstrucción de las imágenes asociadas mediante la señalización a las cortezas sensoriales tempranas de modalidades adicionales. Considere la secuencia de activación como un estímulo puramente visual, pero que implica sonido inducirá de acuerdo con este marco. El estímulo induce primero un patrón específico de actividad neuronal en las cortezas visuales tempranas a través de proyecciones convergentes de abajo hacia arriba.

Las primeras cortezas visuales activan el primer nivel de los CD, los CDZ. Dependiendo del patrón exacto de actividad en el sector cortical temprano correspondiente, una CDZ puede activarse o puede permanecer inactiva. Los CDZ se proyectan hacia arriba a los cdz dos, tal como los CDZ detectaron.

Patrones de actividad en las primeras cortezas visuales, los cdz dos detectan patrones de actividad entre los cdz unos, varios cdz dos pueden activarse, pero para simplificar solo uno se representa aquí a través de proyecciones de arriba hacia abajo. Al mismo tiempo, los Cdz pueden completar el patrón de actividad en las cortezas visuales tempranas a través de varios niveles adicionales de c DZs CDZ dos. El proyecto de dos años hacia la CDZ termina en asociación multimodal. Cortezas.

Una vez más, se pueden activar varios extremos de CDZ, pero solo se representa uno por razones de simplicidad. Una vez más, los dos CD Z también señalan hacia atrás a los CDZ, lo que a su vez puede modificar aún más el patrón originalmente inducido en las cortezas visuales tempranas. La señal de los extremos de la CDZ vuelve a la CZ de dos de todas las modalidades.

En las cortezas auditivas se construirá un patrón neuronal, que permite al sujeto experimentar en el oído de la mente, una imagen auditiva asociada con el estímulo presentado visualmente. La señalización de arriba hacia abajo representada para la modalidad somatosensorial refleja el hecho de que casi cualquier estímulo visual también implica algunas asociaciones táctiles. Por lo tanto, el marco predice que un sonido que implique un estímulo visual conduciría a un patrón de actividad neuronal específico del contenido.

En las cortezas auditivas tempranas. Por lo tanto, al analizar este patrón neuronal utilizando MVPA, debería ser posible predecir cuál de los varios estímulos visuales que implican sonidos ha visto un sujeto. En el primer experimento, la actividad neuronal se registró desde las primeras cortezas auditivas mientras los sujetos veían nueve clips de video diferentes de objetos y eventos que implicaban sonido.

La región de interés en este experimento fue un área restringida en el plano Semal, que comprendía la corteza auditiva primaria y las cortezas de asociación auditiva muy temprana. En un segundo experimento, se registró la actividad neuronal de la corteza somatosensorial primaria mientras los sujetos veían cinco clips de video diferentes que implicaban el tacto. En este experimento, la región de interés comprendía la corteza somatosensorial primaria ubicada en el giro postcentral.

Ambos estudios involucraron a ocho sujetos en el estudio auditivo. Un clasificador MVPA funcionó por encima del nivel de probabilidad del 50% para todas las posibles discriminaciones bidireccionales entre pares de estímulos. En 26 de las 36 discriminaciones, el rendimiento del clasificador fue significativamente diferente del nivel de probabilidad de 0,5.

Del mismo modo, en el estudio somatosensorial, el clasificador tuvo un desempeño superior al azar en todas las discriminaciones bidireccionales, y ocho de las 10 discriminaciones alcanzaron significación estadística. Como se puede ver, utilizando el análisis de patrones multivariados multimodal, hemos podido demostrar que la percepción de estímulos visuales que implican sonido o tacto conduce a representaciones neuronales específicas de contenido en las cortezas auditivas y somatosensoriales tempranas de acuerdo con el marco teórico presentado anteriormente. Claramente, el paradigma experimental que hemos presentado no tiene por qué permanecer restringido a las modalidades involucradas en nuestros propios experimentos, sino que también puede extenderse a otras modalidades sensoriales.

Esperamos, por lo tanto, que otros grupos se unan a nosotros para ampliar este tipo de investigación en un intento de ampliar nuestro conocimiento sobre cómo incorporar procesos a estímulos multimodales del entorno.